Visualisasi data adalah proses menyajikan data dalam bentuk visual, seperti grafik, diagram, peta, atau tabel interaktif, untuk mempermudah pemahaman, analisis, dan pengambilan keputusan. Tujuan utama dari visualisasi data adalah untuk mengungkap pola, tren, hubungan, atau wawasan yang mungkin sulit ditemukan dalam data mentah atau angka-angka. Dengan kata lain, tujuan visualisasi data adalah untuk mengubah data menjadi wawasan yang dapat diakses dan digunakan oleh siapa saja, baik untuk analisis, komunikasi, maupun pengambilan keputusan.
Visualisasi Data memiliki berbagai macam grafik yang umum digunakan, Nah berikut ini adalah berbagai macam grafik yang umum digunakan dalam visualisasi data, beserta penjelasannya:
Grafik Univariat digunakan untuk menganalisis satu variabel saja. Grafik ini memberikan informasi tentang distribusi atau frekuensi data dalam satu dimensi.
Contoh sederhana cara Membuat Grafik Histogram:
#Pertama membaca file .xlsx menggunakan readxl
#Jika belum menginstall bisa install di packages
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)
# Muat library ggplot2
library(ggplot2)
# Lalu buat plot Histogram
ggplot(data = Data, aes(x = Jumlah_anak)) +
geom_histogram(binwidth = 1, color = "black", fill = "lightblue",linetype = "solid")+
labs(title = "Histogram", x = "Jumlah Anak")
Keterangan:
ggplot(): Fungsi utama dari ggplot2 untuk membuat
grafik.data = Data: Menentukan sumber data yang akan digunakan
(data frame bernama Data).geom_histogram(): Menambahkan elemen histogram ke
plot.labs(): Digunakan untuk memberikan label pada
grafik.Grafik Bivariat digunakan untuk menganalisis hubungan antara dua variabel. Grafik ini berguna untuk melihat apakah ada korelasi atau asosiasi antara dua variabel.
Contoh sederhana cara Membuat Grafik Barchart:
#Pertama membaca file .xlsx menggunakan readxl
#Jika belum menginstall bisa install di packages
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)
# Muat library ggplot2
library(ggplot2)
# Lalu buat plot Histogram
ggplot(data = Data, aes(x = Jumlah_anak, y = Benua, fill = Benua)) +
geom_bar(stat = "identity") +
labs(title = "Rata-rata Jumlah Anak tiap Benua", x = "Jumlah Anak", y = "Benua") +
theme_minimal()
Keterangan:
ggplot(): Membuat plot dasar menggunakan dataset
Data.aes(): Mendefinisikan elemen estetika pada grafik.geom_bar(): Membuat grafik batang (bar chart).labs(): Menambahkan label pada grafik.theme_minimal(): Memberikan tema minimalis pada
grafik(tampilan yang bersih tanpa banyak garis dan warna).Contoh sederhana cara Membuat Grafik Linechart:
#Pertama membaca file .xlsx menggunakan readxl
#Jika belum menginstall bisa install di packages
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)
# Muat library ggplot2
library(ggplot2)
# Lalu Membuat line chart
ggplot(data = subset(Data, Negara == "Afghanistan"), aes(x = Tahun, y = Angka_Harapan_Hidup)) +
geom_line(linewidth = 1, color = "blue", size = 3) +
labs(title = "Perubahan Angka Harapan Hidup di Afghanistan",
x = "Tahun",
y = "Angka Harapan Hidup") +
theme_minimal()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
# Mencoba pada tiap Benua
ggplot(data = Data, aes(x = Tahun, y = Angka_Harapan_Hidup)) +
geom_line(aes(color = Benua), size = 1) +
facet_wrap(~Benua) +
labs(title = "Perubahan Angka Harapan Hidup Tiap Benua",
x = "Tahun",
y = "Angka Harapan Hidup",
color = "Benua") +
theme_minimal()
Keterangan
ggplot(): Membuat plot dasar menggunakan dataset
Data.aes(): Mendefinisikan elemen estetika pada grafik.geom_line(): Membuat grafik garis (line chart).labs(): Menambahkan label pada grafik.facet_wrap(): Digunakan untuk membuat plot yang memecah
data berdasarkan satu atau lebih variabel kategori.theme_minimal(): Memberikan tema minimalis pada
grafik(tampilan yang bersih tanpa banyak garis dan warna).Grafik Multivariat digunakan untuk menganalisis lebih dari dua variabel. Grafik ini membantu melihat pola, hubungan, atau tren yang melibatkan lebih dari dua variabel sekaligus.
Contoh Sederhana Cara Membuat Grafik 3D Scatter Plot:
#Pertama membaca file .xlsx menggunakan readxl
#Jika belum menginstall bisa install di packages
library(readxl)
Data <- read_excel("Data.xlsx")
View(Data)
#Muat Library plotly
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
# Membuat 3D scatter plot
plot_ly(data = Data,
x = ~Pendapatan_per_kapita,
y = ~Angka_Harapan_Hidup,
z = ~Jumlah_anak,
type = "scatter3d",
mode = "markers",
color = ~Benua, # Warna berdasarkan benua
size = ~Populasi, # Ukuran titik berdasarkan populasi
text = ~Negara) # Menambahkan nama negara sebagai tooltip
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
## Warning: `line.width` does not currently support multiple values.
Grafik Interaktif memungkinkan pengguna untuk berinteraksi langsung dengan visualisasi, seperti memfilter, memperbesar, atau memilih data tertentu untuk analisis lebih mendalam.